小学生能力观对数学学习投入的影响：学业控制感和期望的中介作用(2)
学业控制感和期望又是如何共同影响能力观与学习投入之间关系的呢？习得性无助理论可以很好地解释这一过程(Miller & Seligman，1975)。持实体观的个体更倾向于将学业失败归因于缺乏能力(Dweck，2006)，对他们来说，能力是一种相对稳定、不易改变的低控制感特质，因而会降低对未来行为结果的期望，进而导致沮丧、无助、放弃努力等行为，而习得性无助就是这一过程的极端表现(Burger & Arkin，1980)。已有研究在教师身上也揭示了类似的现象：面对学业失败的学生，持实体观的教师更倾向于评价学生为能力不足，并降低对其未来学业成就的期望，进而采取更多减少学业投入的教学策略(如安慰)(Rattan，Good，& Dweck，2012)。由此，本研究提出假设：学业控制感和期望在能力观与小学生数学学习投入的关系中起到链式中介作用(H3)。假设模型如下：
2研究方法
2.1被试选取
本研究抽取北京市743名中高年级的小学生为被试。其中，四年级260人(34.99%)，五年级235人(31.63%)，六年级248人(33.38%)；男生400人(53.84%)，女生343人(46.16%)，平均年龄11.00±2.12岁。
2.2工具
2.2.1数学能力观量表
采用修订后的能力观量表来测量学生的数学能力观。原量表由Dweck和Henderson(1989)编制，本研究将原量表内容修订为数学情境，修订后的样题如“数学能力通常是可以改变的”。该量表共4个题项，采用5点计分，得分越高表示个体越偏向数学能力增长观。在本研究中，该量表的内部一致性系数为0.85。
2.2.2学业控制感量表
采用修订后的学业控制感量表来测量学生对数学的控制感。原量表由Perry，Hladkyj，Pekrun和Pelletier(2001)编制，本研究将其改编为数学情境，样题如“我可以很大程度地控制我在数学学科上的学业表现”。该量表共包含8个题项，采用5点计分，得分越高表示个体的数学学业控制感越强。在本研究中，该量表的内部一致性系数为0.75。
2.2.3學业期望量表
采用修订后的学业期望量表，测量学生的数学学业期望。原量表由Eccles和Wigfield(1995)编制，本研究结合数学情境对其修订，样题如“这学期，我期望在数学方面表现很好”。该量表共有3道题，采用5点计分，得分越高表明学生的数学学业期望越高。本次测量中，该量表的内部一致性系数为0.91。
2.2.4数学学习投入量表
采用Wang，Fredricks，Ye，Hofkens和Linn(2016)编制的数学学习投入量表，该问卷分为认知投入、情感投入、行为投入和社会投入四个维度，样题如“我会考虑使用多种方式来解决问题”。该量表共有37个项目，采用5点计分，被试在该量表上得分越高表明数学学习投入程度越高。在本研究中，该量表各维度的内部一致性系数分别为0.78、0.89、0.92、0.70。
2.3研究程序和数据处理
本研究以班级为单位进行团体施测，每个班级配备1-2名主试，主试均为心理学在读研究生。在测试开始前，主试向被试讲解本次研究的目的和被试参与研究的自愿性和保密性原则。在取得被试的知情同意后，主试介绍了问卷的填写方法，要求被试按照自己的实际情况，在规定时间内(大约30分钟)独立完成。在剔除无效问卷后，共得有效问卷743份，回收率为92.64%。所得数据采用SPSS 22.0、Mplus 7.0进行处理和分析。
2.4共同方法偏差的控制与检验
本研究均采用学生自我报告法收集数据，结果可能受到共同方法偏差的影响。为了尽可能控制共同方法带来的影响，本研究进行了事先的程序控制，如将不同问卷分开编排、强调数据匿名性和保密性、对部分项目进行反向计分等(周浩，龙立荣，2004)。在事后也进行了Harman单因子检验，结果表明，按照特征根大于l的标准，未旋转的因素分析共析出了14个因子，最大因子方差解释的变异为32.28%，小于40%的临界标准，因此不存在严重的共同方法偏差。
3结果
3.1变量间的描述性统计和相关分析
对能力观、学业控制感、期望、数学学习投入进行描述性统计和Pearson相关分析，结果见表1。相关结果显示：能力观、学业控制感、期望和数学学习投入之间均存在显著正相关。
3.2学业控制感和期望在能力观与数学学习投入之间的链式中介作用检验
检验中介效应最常用的方法是逐步检验回归系数(Baron & Kenny，1986；温忠麟，张雷，侯杰泰，刘红云，2004)。采用Mplus 7.0，先检验预测变量(能力观)对结果变量(数学学习投入)的直接作用。结果发现，该模型数据拟合指数为：X2=16.29，df=5，CFI=0.99，TLI=0.99，RMSEA=0.06，SRMR=0.02。依据Hu和Bentler(1998)提出，较好的模型拟合需要符合CFI、TLI大于0.9，RMSEA小于0.06，SRMR小于0.08的标准，该模型较好地拟合了数据。能力观可以显著正向预测小学生数学学习投人，标准化路径系数β=0.45(p<0.001)。
其次，对能力观、控制感、期望、数学学习投入的关系进行结构方程模型分析，以假设模型为基础，将能力观作为预测变量，数学学习投入作为结果变量，以控制感和期望作为中介变量进行路径分析，得到该模型数据拟合指数为：X2=32.56，af=11，CFI=0.99，TLI=0.98，RMSEA=0.05，SRMR=0.02，该模型与数据拟合良好。具体见图2。 (蒋舒阳 刘儒德 甄瑞 洪伟 金芳凯)
2研究方法
2.1被试选取
本研究抽取北京市743名中高年级的小学生为被试。其中，四年级260人(34.99%)，五年级235人(31.63%)，六年级248人(33.38%)；男生400人(53.84%)，女生343人(46.16%)，平均年龄11.00±2.12岁。
2.2工具
2.2.1数学能力观量表
采用修订后的能力观量表来测量学生的数学能力观。原量表由Dweck和Henderson(1989)编制，本研究将原量表内容修订为数学情境，修订后的样题如“数学能力通常是可以改变的”。该量表共4个题项，采用5点计分，得分越高表示个体越偏向数学能力增长观。在本研究中，该量表的内部一致性系数为0.85。
2.2.2学业控制感量表
采用修订后的学业控制感量表来测量学生对数学的控制感。原量表由Perry，Hladkyj，Pekrun和Pelletier(2001)编制，本研究将其改编为数学情境，样题如“我可以很大程度地控制我在数学学科上的学业表现”。该量表共包含8个题项，采用5点计分，得分越高表示个体的数学学业控制感越强。在本研究中，该量表的内部一致性系数为0.75。
2.2.3學业期望量表
采用修订后的学业期望量表，测量学生的数学学业期望。原量表由Eccles和Wigfield(1995)编制，本研究结合数学情境对其修订，样题如“这学期，我期望在数学方面表现很好”。该量表共有3道题，采用5点计分，得分越高表明学生的数学学业期望越高。本次测量中，该量表的内部一致性系数为0.91。
2.2.4数学学习投入量表
采用Wang，Fredricks，Ye，Hofkens和Linn(2016)编制的数学学习投入量表，该问卷分为认知投入、情感投入、行为投入和社会投入四个维度，样题如“我会考虑使用多种方式来解决问题”。该量表共有37个项目，采用5点计分，被试在该量表上得分越高表明数学学习投入程度越高。在本研究中，该量表各维度的内部一致性系数分别为0.78、0.89、0.92、0.70。
2.3研究程序和数据处理
本研究以班级为单位进行团体施测，每个班级配备1-2名主试，主试均为心理学在读研究生。在测试开始前，主试向被试讲解本次研究的目的和被试参与研究的自愿性和保密性原则。在取得被试的知情同意后，主试介绍了问卷的填写方法，要求被试按照自己的实际情况，在规定时间内(大约30分钟)独立完成。在剔除无效问卷后，共得有效问卷743份，回收率为92.64%。所得数据采用SPSS 22.0、Mplus 7.0进行处理和分析。
2.4共同方法偏差的控制与检验
本研究均采用学生自我报告法收集数据，结果可能受到共同方法偏差的影响。为了尽可能控制共同方法带来的影响，本研究进行了事先的程序控制，如将不同问卷分开编排、强调数据匿名性和保密性、对部分项目进行反向计分等(周浩，龙立荣，2004)。在事后也进行了Harman单因子检验，结果表明，按照特征根大于l的标准，未旋转的因素分析共析出了14个因子，最大因子方差解释的变异为32.28%，小于40%的临界标准，因此不存在严重的共同方法偏差。
3结果
3.1变量间的描述性统计和相关分析
对能力观、学业控制感、期望、数学学习投入进行描述性统计和Pearson相关分析，结果见表1。相关结果显示：能力观、学业控制感、期望和数学学习投入之间均存在显著正相关。
3.2学业控制感和期望在能力观与数学学习投入之间的链式中介作用检验
检验中介效应最常用的方法是逐步检验回归系数(Baron & Kenny，1986；温忠麟，张雷，侯杰泰，刘红云，2004)。采用Mplus 7.0，先检验预测变量(能力观)对结果变量(数学学习投入)的直接作用。结果发现，该模型数据拟合指数为：X2=16.29，df=5，CFI=0.99，TLI=0.99，RMSEA=0.06，SRMR=0.02。依据Hu和Bentler(1998)提出，较好的模型拟合需要符合CFI、TLI大于0.9，RMSEA小于0.06，SRMR小于0.08的标准，该模型较好地拟合了数据。能力观可以显著正向预测小学生数学学习投人，标准化路径系数β=0.45(p<0.001)。
其次，对能力观、控制感、期望、数学学习投入的关系进行结构方程模型分析，以假设模型为基础，将能力观作为预测变量，数学学习投入作为结果变量，以控制感和期望作为中介变量进行路径分析，得到该模型数据拟合指数为：X2=32.56，af=11，CFI=0.99，TLI=0.98，RMSEA=0.05，SRMR=0.02，该模型与数据拟合良好。具体见图2。 (蒋舒阳 刘儒德 甄瑞 洪伟 金芳凯)